經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用探索

摘 要：該研究針對經(jīng)營管理教學(xué)實(shí)驗(yàn)室的建設(shè)，探討生成式人工智能應(yīng)用支撐、應(yīng)用設(shè)計、應(yīng)用技術(shù)路線等問題，對經(jīng)營管理教學(xué)實(shí)驗(yàn)室的數(shù)據(jù)輸入與處理、模型構(gòu)建與訓(xùn)練、內(nèi)容生成與應(yīng)用、評估與反饋等進(jìn)行了研究，提出采用數(shù)字邏輯、迭代優(yōu)化、虛擬仿真等方法在經(jīng)營管理教學(xué)實(shí)驗(yàn)室中實(shí)現(xiàn)經(jīng)營管理決策分析、商業(yè)案例實(shí)踐研究、自建經(jīng)營模型訓(xùn)練、客戶服務(wù)虛擬仿真、數(shù)據(jù)分析和可視化、鏈?zhǔn)浇?jīng)營風(fēng)險管理等的建議，為經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用提供了可行性方案。

關(guān)鍵詞：經(jīng)營管理；教學(xué)實(shí)驗(yàn)室；生成式人工智能

中圖分類號：G64 文獻(xiàn)標(biāo)識碼：A 文章編號：0450-9889（2024）18-0056-07

經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能（Artificial Intelligence Generated Content，AIGC）是一項(xiàng)新型實(shí)驗(yàn)室建設(shè)技術(shù)，通過運(yùn)用新興技術(shù)建立經(jīng)營管理教學(xué)實(shí)驗(yàn)室?guī)椭鷮W(xué)生更好地理解復(fù)雜的工商經(jīng)營管理理論。經(jīng)營管理教學(xué)實(shí)驗(yàn)建設(shè)引入AIGC工具［1］，起到了提高教學(xué)效率、增強(qiáng)學(xué)生學(xué)習(xí)體驗(yàn)、培養(yǎng)學(xué)生創(chuàng)新思維的作用［2］。在經(jīng)營管理教學(xué)實(shí)驗(yàn)室中運(yùn)用AIGC，能基于全社會、全球海量知識，根據(jù)教學(xué)目標(biāo)和學(xué)生的需求，從多個維度進(jìn)行動態(tài)生成教學(xué)案例、模擬經(jīng)營場景和商業(yè)決策［3，4］。AIGC可以輔助教師設(shè)計個性化的學(xué)習(xí)路徑，在教學(xué)中評估、反饋和分析學(xué)生的學(xué)習(xí)數(shù)據(jù)，幫助教師調(diào)整教學(xué)策略［5］。同時，生成式人工智能的應(yīng)用也帶來了一系列挑戰(zhàn)，“如何審計經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成內(nèi)容、數(shù)據(jù)的準(zhǔn)確性和相關(guān)性”“如何平衡人工智能工具的使用與學(xué)生自主學(xué)習(xí)能力本位的培養(yǎng)、創(chuàng)新思維的培育”是教育工作者開展經(jīng)營管理教學(xué)實(shí)驗(yàn)室建設(shè)面臨的重要課題。

一、經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用支撐

經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用有著豐富的理論和發(fā)展案例支撐［6］。艾倫·圖靈（Alan Turing）在1950年提出了“智能”機(jī)器模仿人類思維方式的“圖靈測試”的“生成”內(nèi)容試驗(yàn)方法，推進(jìn)人機(jī)交互。1990年至2010年，深度學(xué)習(xí)、圖形處理器、數(shù)據(jù)記錄、數(shù)據(jù)感知、訓(xùn)練數(shù)據(jù)規(guī)模等方面取得重大突破。2012年，微軟深度神經(jīng)網(wǎng)絡(luò)（DNN）全自動同聲傳譯系統(tǒng)進(jìn)入發(fā)展期。2021年，深度學(xué)習(xí)模型不斷迭代，OpenAI推出了多模態(tài)預(yù)訓(xùn)練模型（Contrastive Language-Image Pre-Training，CLIP）。2024年2月，首個文生視頻大模型Sora發(fā)布，AIGC被推向了浪潮巔峰。2023年8月，教育部、科技部等七部門發(fā)布《生成式人工智能服務(wù)管理暫行辦法》；2023年6月，歐洲通過了《人工智能法案（AI Act）》；2023年9月，聯(lián)合國教科文組織發(fā)布《教育與研究領(lǐng)域生成式人工智能指南》。AIGC的創(chuàng)新應(yīng)用對教學(xué)實(shí)驗(yàn)室建設(shè)起到了推動作用。

經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用，是教育技術(shù)平臺和工具的深度融合，包括學(xué)習(xí)管理系統(tǒng)集成、教學(xué)大綱和評估標(biāo)準(zhǔn)的對齊［7，8］，主要體現(xiàn)在以下幾個方面。第一，個性化生成教學(xué)內(nèi)容。經(jīng)營管理實(shí)驗(yàn)室智能教學(xué)輔導(dǎo)系統(tǒng)根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度、興趣和能力提供個性化的學(xué)習(xí)建議，動態(tài)生成案例研究、模擬經(jīng)營場景等個性化的教學(xué)內(nèi)容，保持教學(xué)內(nèi)容的時效性和前沿性。第二，教學(xué)互動增強(qiáng)。教師作為引導(dǎo)者和促進(jìn)者進(jìn)駐經(jīng)營管理實(shí)驗(yàn)室技術(shù)平臺，審視、干預(yù)人工智能與學(xué)生之間的互動，在系統(tǒng)中嵌入適當(dāng)?shù)乃季S導(dǎo)向詞，創(chuàng)新教學(xué)方法。第三，創(chuàng)新開發(fā)教學(xué)資源。生成式人工智能應(yīng)用打破了經(jīng)營管理實(shí)驗(yàn)室的地域限制，輔助教師根據(jù)最新的教學(xué)需求和學(xué)科發(fā)展動態(tài)開發(fā)新的教學(xué)資源，促進(jìn)教育資源的共享。第四，教學(xué)態(tài)勢評估反饋。生成式人工智能模擬經(jīng)營管理教學(xué)場景、分析教學(xué)效果、預(yù)測學(xué)生表現(xiàn)等，對學(xué)生的學(xué)習(xí)成果進(jìn)行評估，提供詳細(xì)的學(xué)習(xí)報告和反饋，從而幫助教師調(diào)整教學(xué)策略，有利于推動教育科學(xué)的發(fā)展。

二、經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用設(shè)計

（一）基于生成式人工智能應(yīng)用的經(jīng)營管理教學(xué)實(shí)驗(yàn)室架構(gòu)設(shè)計

基于生成式人工智能應(yīng)用進(jìn)行經(jīng)營管理教學(xué)實(shí)驗(yàn)室架構(gòu)，旨在為經(jīng)營管理教學(xué)實(shí)驗(yàn)室提供一個全面、靈活且安全的生成式人工智能環(huán)境，支持各種教學(xué)活動，同時確保數(shù)據(jù)和系統(tǒng)的安全［9，10］?；谏墒饺斯ぶ悄艿慕?jīng)營管理教學(xué)實(shí)驗(yàn)室是一個由人機(jī)交互機(jī)器、智能終端與生成式人工智能經(jīng)營管理平臺組成的集合體。該教學(xué)實(shí)驗(yàn)室主要由數(shù)據(jù)層、模型層、應(yīng)用層和管理層組成，層級之間的硬件、軟件依存關(guān)系存在數(shù)學(xué)邏輯，數(shù)據(jù)模型會隨著應(yīng)用的問答增多而擴(kuò)展，具有動態(tài)模型的高斯模糊的不確定性。層級之間目標(biāo)、路徑、維度多元融貫，隨著數(shù)據(jù)量的增加而增強(qiáng)模型訓(xùn)練，以生成更高效、準(zhǔn)確的經(jīng)營管理實(shí)驗(yàn)教學(xué)內(nèi)容。其應(yīng)用架構(gòu)如圖1所示。

（1）數(shù)據(jù)層。由數(shù)據(jù)庫服務(wù)器和數(shù)據(jù)庫軟件組成，是經(jīng)營管理實(shí)驗(yàn)室的前端數(shù)據(jù)來源。負(fù)責(zé)數(shù)據(jù)的收集、存儲和處理工作，其中數(shù)據(jù)收集是從多個來源收集經(jīng)營管理相關(guān)的歷史案例、市場數(shù)據(jù)、財務(wù)報表等數(shù)據(jù)；數(shù)據(jù)存儲使用數(shù)據(jù)庫系統(tǒng)存儲和管理數(shù)據(jù)，確保數(shù)據(jù)的安全性和可訪問性；數(shù)據(jù)處理過程包括數(shù)據(jù)清洗、集成、轉(zhuǎn)換、分析和挖掘等，以便模型能夠更好地理解和使用數(shù)據(jù)。

（2）模型層。存在于經(jīng)營管理實(shí)驗(yàn)平臺軟件系統(tǒng)中，是生成式人工智能的核心，負(fù)責(zé)經(jīng)營管理模型選擇、模型訓(xùn)練和模型管理。其中，模型選擇是根據(jù)教學(xué)需求選擇合適的生成式模型，如GPT（Generative Pre-Trained）、VAE（Variational AutoEncoder）、GAN（Generative Adversarial Networks）等人工智能模型；模型訓(xùn)練是在數(shù)據(jù)層提供的數(shù)據(jù)基礎(chǔ)上訓(xùn)練模型，使其能夠生成高質(zhì)量的經(jīng)營管理內(nèi)容；模型管理的作用是進(jìn)行模型的版本控制、參數(shù)調(diào)整和性能監(jiān)控。

（3）管理層。負(fù)責(zé)監(jiān)控系統(tǒng)性能、定期維護(hù)系統(tǒng)、倫理與法律規(guī)范。其中，監(jiān)控系統(tǒng)性能是記錄用戶活動和系統(tǒng)事件，以便進(jìn)行故障排查和性能優(yōu)化；定期對系統(tǒng)進(jìn)行維護(hù)包括軟件更新、硬件升級和模型重新訓(xùn)練；倫理與法律規(guī)范是確保系統(tǒng)的設(shè)計和操作符合倫理標(biāo)準(zhǔn)和相關(guān)法律法規(guī)。

（4）服務(wù)層。由經(jīng)營管理平臺服務(wù)器組成，是前端數(shù)據(jù)交互系統(tǒng)部分，負(fù)責(zé)提供對外數(shù)據(jù)接入、對內(nèi)數(shù)據(jù)服務(wù)器數(shù)據(jù)提取、前端應(yīng)用層交互數(shù)據(jù)接入等。提供經(jīng)營管理實(shí)驗(yàn)平臺API（Application Programming Interface）服務(wù)、集成服務(wù)和安全服務(wù)，其中API服務(wù)提供API接口，允許其他教學(xué)系統(tǒng)或工具與生成式人工智能模型進(jìn)行交互；集成服務(wù)將生成式人工智能模型集成到現(xiàn)有的教學(xué)管理系統(tǒng)中，實(shí)現(xiàn)無縫對接；安全服務(wù)是確保數(shù)據(jù)傳輸和模型生成內(nèi)容的安全性，防止未授權(quán)訪問和數(shù)據(jù)泄露。

（5）應(yīng)用層。提供人機(jī)交互機(jī)器、智能終端與經(jīng)營管理實(shí)驗(yàn)平臺的交互界面、場景模擬和個性化學(xué)習(xí)。其中，交互界面為學(xué)生和教師提供友好的用戶界面，以便與生成式人工智能模型進(jìn)行交互；場景模擬可設(shè)計不同的經(jīng)營管理場景，讓學(xué)生在模擬環(huán)境中運(yùn)用所學(xué)知識；個性化學(xué)習(xí)根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和反饋，提供個性化的學(xué)習(xí)路徑和學(xué)習(xí)資源。

（二）構(gòu)建經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用模型

經(jīng)營管理教學(xué)實(shí)驗(yàn)室可以利用生成式人工智能提供更加動態(tài)、互動和個性化的學(xué)習(xí)體驗(yàn)，同時確保教學(xué)內(nèi)容的質(zhì)量和教學(xué)過程的安全性。生成式人工智能是在有條件下生成所需的教學(xué)內(nèi)容，且需要更多的后端數(shù)據(jù)支撐前端數(shù)據(jù)交互式輸入，即后端是一個大容量、泛在且可無限擴(kuò)大的大腦中樞。要構(gòu)建這個大腦中樞，首先要建立基礎(chǔ)數(shù)據(jù)模型——經(jīng)營常態(tài)數(shù)據(jù)模型，其次要提供自身以后的鏈?zhǔn)娇勺兎涸谀Ｐ徒尤?，再次要把常態(tài)與可變泛在結(jié)合分析——建立機(jī)器學(xué)習(xí)生成模型，最后要進(jìn)行“交互、評價、反饋、改進(jìn)”——建立交互評價反饋模型。四個模型環(huán)環(huán)相扣構(gòu)成生成式人工智能應(yīng)用，如圖2所示。

經(jīng)營常態(tài)數(shù)據(jù)模型：進(jìn)行日常經(jīng)營數(shù)據(jù)管理，主要功能是收集歷史經(jīng)營數(shù)據(jù)、市場趨勢、消費(fèi)者行為等信息；去除噪聲和不相關(guān)數(shù)據(jù)，確保數(shù)據(jù)質(zhì)量；從原始數(shù)據(jù)中提取有用的特征，使可變泛在接入數(shù)據(jù)與模型對接，形成耦合性原始數(shù)據(jù)對接態(tài)勢，確保依賴人工智能生成的數(shù)據(jù)不脫離實(shí)際。

鏈?zhǔn)娇勺兎涸谀Ｐ停骸版準(zhǔn)健薄翱勺儭薄胺涸凇倍际顷P(guān)鍵詞?！版?zhǔn)健笔前雅c經(jīng)營常態(tài)相關(guān)的上下游數(shù)據(jù)及系統(tǒng)納入數(shù)據(jù)供應(yīng)鏈中；以“可變”的態(tài)勢提供新型數(shù)據(jù)接入、新數(shù)據(jù)庫加盟，并提供更為新穎的數(shù)據(jù)字典和數(shù)據(jù)源；“泛在”具不確定性，可隨著機(jī)器學(xué)習(xí)生成模型訓(xùn)練的不斷成熟而獲取更精準(zhǔn)、信息量更大的生成式答案?！版?zhǔn)?”“可變+”“泛在+”三者均以“+”法存在，具有不確定性、精確性、增長性等。

機(jī)器學(xué)習(xí)生成模型：機(jī)器學(xué)習(xí)是算法集中地帶，是生成經(jīng)營管理內(nèi)容的關(guān)鍵所在。模型根據(jù)特定的經(jīng)營管理場景、用戶需求、上下游數(shù)據(jù)鏈、可變新型數(shù)據(jù)、泛在不確定性數(shù)據(jù)生成若干個算法子集、知識子庫，延伸為若干“常態(tài)+”可變模型，對經(jīng)營管理市場分析報告、商業(yè)計劃書、學(xué)生互動對話、客戶服務(wù)、談判等場景進(jìn)行機(jī)器學(xué)習(xí)場景訓(xùn)練。機(jī)器學(xué)習(xí)中加入法律法規(guī)、經(jīng)營管理倫理等審計算法，對生成內(nèi)容進(jìn)行合規(guī)性判斷、干預(yù)、再生成等，從而使內(nèi)容具備可信、精準(zhǔn)、安全等特性。模型根據(jù)學(xué)生的學(xué)習(xí)進(jìn)度和偏好，生成個性化的學(xué)習(xí)材料和任務(wù)等。

交互評價反饋模型：“交互”“評價”“反饋”是三個不同的又有關(guān)聯(lián)的動作，在經(jīng)營管理生成式內(nèi)容中起到連鎖反應(yīng)。教學(xué)環(huán)節(jié)中，用戶通過交互界面輸入關(guān)鍵字、詞、句、段等內(nèi)容去調(diào)取合規(guī)性機(jī)器學(xué)習(xí)算法子集、知識子庫和審計算法庫等，從鏈?zhǔn)娇勺兎涸谀Ｐ?、?jīng)營常態(tài)數(shù)據(jù)模型中獲取新的生成式經(jīng)營管理內(nèi)容。評價與反饋通過學(xué)生的表現(xiàn)和反饋評估模型的內(nèi)容效率，根據(jù)評價結(jié)果對模型進(jìn)行迭代，不斷優(yōu)化生成內(nèi)容的質(zhì)量和教學(xué)效果；持續(xù)監(jiān)控模型的性能，確保其穩(wěn)定運(yùn)行；定期更新模型，以適應(yīng)經(jīng)營管理教學(xué)需求。

（三）經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用場景

基于生成式人工智能應(yīng)用的經(jīng)營管理教學(xué)實(shí)驗(yàn)室可以為學(xué)生提供一個豐富、互動和實(shí)踐導(dǎo)向的學(xué)習(xí)環(huán)境，幫助其更好地應(yīng)對未來職業(yè)生涯。在該教學(xué)實(shí)驗(yàn)室中可以構(gòu)建以下六大應(yīng)用場景。

其一，經(jīng)營管理決策分析。生成式人工智能可以模擬企業(yè)經(jīng)營環(huán)境，通過情景再現(xiàn)為學(xué)生提供課程項(xiàng)目化的實(shí)戰(zhàn)操作。例如，通過模擬市場變化、競爭對手行為等，學(xué)生可以在虛擬環(huán)境中測試不同的商業(yè)策略和決策，從而學(xué)習(xí)如何在不確定的情況下做出最優(yōu)選擇。

其二，商業(yè)案例實(shí)踐研究。在經(jīng)營管理教學(xué)中，生成式人工智能可以用來創(chuàng)建或擴(kuò)展案例研究。人工智能可以根據(jù)特定的教學(xué)目標(biāo)，生成具有教育意義的商業(yè)案例，幫助學(xué)生將所學(xué)理論知識轉(zhuǎn)化為實(shí)踐指導(dǎo)。

其三，自建經(jīng)營模型訓(xùn)練。在經(jīng)營管理領(lǐng)域，溝通能力和報告撰寫能力至關(guān)重要。生成式人工智能可以用于訓(xùn)練學(xué)生的語言技能，例如撰寫商業(yè)計劃書、市場分析報告等。人工智能可以提供反饋和建議，幫助學(xué)生提高寫作質(zhì)量和邏輯表達(dá)能力。

其四，客戶服務(wù)虛擬仿真。生成式人工智能可以模擬客戶服務(wù)場景，讓學(xué)生在實(shí)驗(yàn)室中練習(xí)如何處理客戶咨詢、投訴，以及如何與客戶談判。這種模擬可以幫助學(xué)生理解客戶需求，與客戶精準(zhǔn)溝通協(xié)調(diào)，從而滿足客戶需求。

其五，數(shù)據(jù)分析和可視化。在經(jīng)營管理中，經(jīng)常需要對大量數(shù)據(jù)進(jìn)行分析。生成式人工智能可以幫助學(xué)生理解數(shù)據(jù)背后的趨勢和模式，通過可視化工具將復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為易于理解的圖表和圖形，從而支持更好的決策制定。

其六，鏈?zhǔn)浇?jīng)營風(fēng)險管理。在教學(xué)實(shí)驗(yàn)室中，生成式人工智能可以鏈?zhǔn)浇尤氩煌慕?jīng)營風(fēng)險情景，如市場波動、供應(yīng)鏈中斷等，讓學(xué)生學(xué)習(xí)如何在面對不確定性時進(jìn)行風(fēng)險評估和管理。

三、經(jīng)營管理教學(xué)實(shí)驗(yàn)室生成式人工智能應(yīng)用技術(shù)路線

基于生成式人工智能應(yīng)用的經(jīng)營管理教學(xué)實(shí)驗(yàn)室內(nèi)容生成包含“訓(xùn)練”模型和“推理”模型。第一個步驟必須滿足收集原始數(shù)據(jù)這一前提條件（即經(jīng)營管理知識和技能），再使用收集到的數(shù)據(jù)進(jìn)行“煉丹”，訓(xùn)練出經(jīng)營管理教材模型。然后，使用第一個步驟中訓(xùn)練獲得的教材模型與其他學(xué)科進(jìn)行跨學(xué)科整合教學(xué)。經(jīng)融合形成最后的生成經(jīng)營管理教學(xué)內(nèi)容。其技術(shù)路線如圖3所示。

第一階段，泛在化數(shù)據(jù)引入。泛在化接入商業(yè)、互聯(lián)網(wǎng)大模型數(shù)據(jù)，形成可持續(xù)擴(kuò)張的數(shù)據(jù)集。收集經(jīng)營管理知識和技能，分割知識和技能，提取各自內(nèi)容特征，進(jìn)行小塊切割，分割成若干個小的文件，供后續(xù)數(shù)據(jù)訓(xùn)練模型使用。

第二階段，模型化數(shù)據(jù)訓(xùn)練。建立生成式經(jīng)營管理模型集，包括準(zhǔn)備數(shù)據(jù)集、識別數(shù)據(jù)集、選定待訓(xùn)練模型和讀取訓(xùn)練中的數(shù)據(jù)；將原始數(shù)據(jù)變成后續(xù)“訓(xùn)練”模型和“推理”模型可以識別的張量數(shù)據(jù)，選定已經(jīng)經(jīng)過預(yù)處理、待訓(xùn)練的模型開始訓(xùn)練。檢查訓(xùn)練模型的數(shù)量和質(zhì)量，獲取若干個用于后續(xù)推理使用的模型。

第三階段，高階化模型推理。使用模型化數(shù)據(jù)訓(xùn)練后需進(jìn)一步進(jìn)行模型的優(yōu)化處理，進(jìn)入一個新的階段，即高階化模型推理過程。高階化推理注入新的其他學(xué)科知識和操作技能、法律行規(guī)和經(jīng)營管理倫理審計算法，對數(shù)據(jù)重新進(jìn)行分離性切割，同時將其與訓(xùn)練后的教材模型進(jìn)行跨學(xué)科整合，進(jìn)一步生成新的模型。

第四階段，結(jié)構(gòu)化邏輯數(shù)據(jù)。經(jīng)營管理教學(xué)實(shí)驗(yàn)室最終的目標(biāo)是生成可用性學(xué)習(xí)內(nèi)容，平臺從用戶輸入端獲取堆疊式關(guān)鍵字、詞、句、段，進(jìn)行特征提取與泛在化數(shù)據(jù)集疊加比對，并與高階化推理模型融合，進(jìn)行邏輯算法與機(jī)器學(xué)習(xí)模型對標(biāo)分析，生成可用性經(jīng)營管理學(xué)習(xí)知識內(nèi)容。

第五階段，生成式審計應(yīng)用。針對結(jié)構(gòu)化邏輯數(shù)據(jù)生成的內(nèi)容進(jìn)行法律法規(guī)、經(jīng)營管理倫理等合規(guī)性內(nèi)容審計，最后把經(jīng)過審計整改后的內(nèi)容再生成呈現(xiàn)給用戶。

經(jīng)營管理教學(xué)實(shí)驗(yàn)室評估和提升生成式人工智能模型在教學(xué)中的效果和用戶體驗(yàn)，明確教學(xué)目標(biāo)、模型性能評估、教學(xué)內(nèi)容適配、用戶反饋收集與分析、持續(xù)迭代優(yōu)化以及倫理和合規(guī)性問題，關(guān)鍵步驟和策略如下。

第一，確定經(jīng)營管理生成式人工智能模型在教學(xué)中的具體應(yīng)用目標(biāo)，如提高學(xué)生參與度、輔助教師備課、探尋個性化學(xué)習(xí)路徑等。第二，使用定量和定性指標(biāo)評估模型的性能，如準(zhǔn)確性、響應(yīng)時間、內(nèi)容的相關(guān)性和多樣性等；對比經(jīng)營管理分析模型輸出與教學(xué)大綱和學(xué)習(xí)目標(biāo)，確保內(nèi)容的一致性和教育價值。第三，根據(jù)經(jīng)營管理教學(xué)內(nèi)容和學(xué)生需求，調(diào)整模型的參數(shù)和訓(xùn)練數(shù)據(jù)，以生成更符合教學(xué)目標(biāo)的內(nèi)容；與教育專家合作，確保模型生成的內(nèi)容符合教育標(biāo)準(zhǔn)和學(xué)術(shù)誠信。第四，設(shè)計直觀易用的經(jīng)營管理實(shí)驗(yàn)教學(xué)平臺用戶界面，確保學(xué)生和教師能夠輕松與人工智能模型互動；提供個性化的用戶體驗(yàn)，根據(jù)學(xué)生個體差異調(diào)整教學(xué)內(nèi)容的難易程度，根據(jù)學(xué)生學(xué)習(xí)偏好形成獨(dú)屬的特定風(fēng)格；通過問卷調(diào)查、訪談、用戶測試等方式收集學(xué)生和教師對人工智能模型的反饋，分析用戶反饋，評估模型在教學(xué)中的應(yīng)用效果和發(fā)現(xiàn)潛在問題。第五，根據(jù)用戶反饋和教學(xué)效果評估結(jié)果，對模型進(jìn)行持續(xù)優(yōu)化和調(diào)整；更新訓(xùn)練數(shù)據(jù)集，以反映最新的教學(xué)內(nèi)容和學(xué)生需求；將生成式人工智能模型集成到現(xiàn)有的教學(xué)平臺和工具中，確保無縫對接；提供技術(shù)支持和開展培訓(xùn)，幫助教師和學(xué)生充分利用人工智能模型的功能。第六，確保經(jīng)營管理模型的應(yīng)用遵循教育倫理和數(shù)據(jù)保護(hù)法規(guī)，避免侵犯學(xué)生隱私；對模型生成的內(nèi)容進(jìn)行監(jiān)控，防止生成不當(dāng)或有偏見的信息。

四、典型應(yīng)用案例——手機(jī)市場銷售生成式人工智能可視化數(shù)據(jù)分析

在此，詳細(xì)介紹一個典型應(yīng)用實(shí)例：對某公司產(chǎn)品“PH-MateX手機(jī)”2024年第一季度市場銷售情況進(jìn)行分析，形成可視化分析報告。利用生成式人工智能進(jìn)行可視化數(shù)據(jù)分析，分以下五個步驟實(shí)施。

第一步，多重語義切割，屬于泛在化數(shù)據(jù)引入階段。在經(jīng)營管理教學(xué)實(shí)驗(yàn)平臺交互界面中輸入“對2024年第一季度PH-MateX手機(jī)市場銷售情況與發(fā)展趨勢進(jìn)行分析，要求輸出可視化數(shù)據(jù)分析報告”，啟動人工智能關(guān)鍵信息和結(jié)構(gòu)的語義切割，進(jìn)行分詞、去除噪聲、識別實(shí)體等，如表1所示。

表1 多重語義切割

[步驟 生成式人工智能預(yù)處理過程 結(jié)合實(shí)驗(yàn)平臺 切割分詞 2024年第一季度；PH-MateX手機(jī)；市場銷售；情況；與；發(fā)展趨勢；進(jìn)行分析；要求輸出；可視化數(shù)據(jù)；分析報告 切割分詞對應(yīng)平臺本地數(shù)據(jù)庫關(guān)聯(lián)字段 去除噪聲 情況；與；進(jìn)行分析；要求輸出 — 識別實(shí)體 PH-MateX手機(jī)；市場銷售；發(fā)展趨勢；可視化數(shù)據(jù)；分析報告 產(chǎn)品庫、銷售庫、實(shí)驗(yàn)教學(xué)報告模板庫 ]

第二步，數(shù)據(jù)張量重組，屬于模型化數(shù)據(jù)訓(xùn)練階段。經(jīng)營管理教學(xué)實(shí)驗(yàn)平臺與API接入式大模型、模型組件進(jìn)行數(shù)據(jù)張量重組，根據(jù)語義切割進(jìn)行擴(kuò)展式張量分析、語義融合重組，生成經(jīng)營管理教學(xué)實(shí)驗(yàn)平臺沒有的、與之融合的新型語義模塊，如表2所示。

第三步，機(jī)器學(xué)習(xí)適配，屬于高階化模型推理階段。根據(jù)張量數(shù)據(jù)，實(shí)驗(yàn)平臺配合大模型、網(wǎng)絡(luò)信息資源等進(jìn)行機(jī)器學(xué)習(xí)，理解PH-MateX手機(jī)市場銷售結(jié)構(gòu)、語境關(guān)系等數(shù)據(jù)張量重組數(shù)據(jù)，在接入式大模型上進(jìn)行數(shù)據(jù)集訓(xùn)練，統(tǒng)計規(guī)律和形成分析模型。

第四步，數(shù)據(jù)畫像分析，屬于結(jié)構(gòu)化邏輯數(shù)據(jù)階段。機(jī)器學(xué)習(xí)適配形成可執(zhí)行分析模型，匹配經(jīng)營管理教學(xué)實(shí)驗(yàn)平臺的可視化數(shù)據(jù)畫像模型庫、專業(yè)化分析報告模板庫，把2024年第一季度的手機(jī)銷量、市場占比、市場發(fā)展趨勢等通過生成式人工智能算法模型，生成數(shù)據(jù)畫像及數(shù)據(jù)分析說明。形成優(yōu)勢品牌來源、客戶價值模型、銷售類別貢獻(xiàn)、流失客戶漏斗、銷售市場雷達(dá)等，學(xué)生在大量的數(shù)據(jù)畫像報表中進(jìn)行更精細(xì)化的知識學(xué)習(xí)、實(shí)踐，并可進(jìn)一步干預(yù)性修改。部分市場銷售數(shù)據(jù)畫像如下頁圖4所示。

第五步，多模態(tài)內(nèi)容生成，屬于生成式審計應(yīng)用階段。在數(shù)據(jù)畫像基礎(chǔ)上生成教學(xué)實(shí)驗(yàn)報告，把PH-MateX手機(jī)及關(guān)聯(lián)品牌、市場銷售分析、實(shí)體店銷售、線上銷售、區(qū)域市場、店鋪客戶、技術(shù)發(fā)展趨勢、市場發(fā)展趨勢等數(shù)據(jù)信息，從數(shù)據(jù)畫像轉(zhuǎn)化為專業(yè)化文字、分析性圖表、視頻、3D模型等數(shù)字內(nèi)容。內(nèi)容審計是多模態(tài)內(nèi)容生成的一個重要組成部分，由平臺人工智能審計和教師干預(yù)性審計組成，從法律法規(guī)、經(jīng)營管理倫理、課程思政等角度進(jìn)行內(nèi)容審計，審計整改后再生成一個新型的學(xué)習(xí)報告。多模態(tài)內(nèi)容生成PH-MateX手機(jī)經(jīng)營管理實(shí)驗(yàn)教學(xué)部分內(nèi)容分析如圖5所示。

根據(jù)多模態(tài)生成式報告，學(xué)生可以對圖文化報告內(nèi)容進(jìn)行合規(guī)性分析，對照經(jīng)營管理教學(xué)實(shí)驗(yàn)平臺錄入對應(yīng)教材知識圖譜學(xué)習(xí)，參考大模型生成的跨學(xué)科理念進(jìn)行創(chuàng)新、實(shí)踐，到再創(chuàng)造。同時，對內(nèi)容進(jìn)行評價、反饋，使教學(xué)實(shí)驗(yàn)平臺生成式人工智能模型得到進(jìn)一步深化。

總而言之，隨著人工智能技術(shù)的不斷進(jìn)步，可以預(yù)見生成式人工智能將在經(jīng)營管理教學(xué)實(shí)驗(yàn)室中扮演重要角色，為教育創(chuàng)新提供新的動力。通過合理利用AIGC技術(shù)，我們有望培養(yǎng)出更多具備較高專業(yè)知識和技能水平、較強(qiáng)實(shí)踐能力的經(jīng)營管理人才。值得注意的是，為了避免學(xué)生過度依賴技術(shù)，影響其批判性思維能力，教育工作者需要確保生成式人工智能生成的內(nèi)容符合教育標(biāo)準(zhǔn)和道德規(guī)范。

參考文獻(xiàn)

［1］李海峰，王煒.生成式人工智能時代的學(xué)生作業(yè)設(shè)計與評價［J］.開放教育研究，2023，29（3）：31-3.

［2］吳冰藍(lán)，周麗萍，岳昌君.ChatGPT/生成式人工智能與就業(yè)替代：基于高校大學(xué)生能力供求的視角［J］.教育發(fā)展研究，2023，43（19）：40-48.

［3］肖君，白慶春，陳沫，等.生成式人工智能賦能在線學(xué)習(xí)場景與實(shí)施路徑［J］.電化教育研究，2023，44（9）：57-63.

［4］劉永謀，王春麗.積極應(yīng)對生成式人工智能對文科教育的挑戰(zhàn)［J］.南京社會科學(xué)，2023（6）：119-128.

［5］王浩偉，汪璠，王秉琰.主題視角下生成式人工智能生成內(nèi)容與用戶生成內(nèi)容的比較［J］.情報理論與實(shí)踐，2023，46（10）：200-207.

［6］王瑜，湯同.生成式人工智能浪潮下比較教育研究范式審思［J］.比較教育研究，2023，45（10）：31-38.

［7］朱永新，楊帆.ChatGPT/生成式人工智能與教育創(chuàng)新：機(jī)遇、挑戰(zhàn)以及未來［J］.華東師范大學(xué)學(xué)報（教育科學(xué)版），2023，41（7）：1-14.

［8］李艷燕，鄭婭峰.生成式人工智能的教育應(yīng)用［J］.人民論壇，2023（23）：69-72.

［9］楊曉哲，王晴晴，王若昕.生成式人工智能的有限能力與教育變革［J］.全球教育展望，2023，52（6）：3-12.

［10］吳蔚然，宋國語，林敏，等.教師如何感知生成式人工智能：基于行動者網(wǎng)絡(luò)理論的質(zhì)性研究［J］.湖南師范大學(xué)教育科學(xué)學(xué)報，2023（5）：35-44.

注：本文系廣西高等教育本科教學(xué)改革項(xiàng)目“應(yīng)用型本科高校新工科交叉學(xué)科專業(yè)建設(shè)研究與實(shí)踐”（2022JGA381）、廣西哲學(xué)社會科學(xué)規(guī)劃項(xiàng)目“廣西本科高校新工科產(chǎn)教深度融合模式創(chuàng)新與實(shí)現(xiàn)路徑研究”（23FGL023）的研究成果。

（責(zé)編 雷 靖）